Google DeepMind wypuszcza Gemma 4, otwarte modele budowane na technologii Gemini 3

Google DeepMind opublikowało 2 kwietnia 2026 roku rodzinę otwartych modeli Gemma 4, zbudowaną na tej samej technologii co flagowe Gemini 3. To pierwsza generacja Gemma udostępniona na w pełni permisywnej licencji Apache 2.0, co pozwala na dowolne komercyjne wykorzystanie, modyfikację i redystrybucję bez ograniczeń narzucanych przez wcześniejsze, autorskie warunki licencyjne Google.

Pięć rozmiarów w jednej rodzinie

Gemma 4 dzieli się na dwie grupy. Warianty E2B i E4B zaprojektowano z myślą o maksymalnej efektywności pamięciowej i obliczeniowej, tak by działały offline na smartfonach, Raspberry Pi czy innych urządzeniach IoT. Obok nich pojawiły się trzy większe modele, 12B, 26B i 31B, przeznaczone na konsumenckie karty graficzne i oferujące, jak podaje Google, wysoki stosunek jakości do liczby parametrów.

Wszystkie warianty korzystają z badań i technologii stojącej za Gemini 3, co według Google przekłada się na lepsze rozumowanie, planowanie wieloetapowe i zdolność do samodzielnego działania w trybie agentowym bez konieczności dodatkowego dostrajania pod konkretne zadanie.

Wyniki w testach

Największy model, Gemma 4 31B IT Thinking, osiągnął 1452 punktów Elo w rankingu Arena AI dla zadań tekstowych oraz 85,2 procent w teście wielojęzycznej wiedzy MMLU Multilingual. W zadaniach multimodalnych MMMU Pro model uzyskał 76,9 procent, w matematycznym AIME 2026 89,2 procent, w programistycznym LiveCodeBench 80,0 procent, a w naukowym GPQA Diamond 84,3 procent.

Google podkreśla, że wszystkie rozmiary Gemma 4 obsługują wejścia tekstowe i obrazowe, a modele przeznaczone na urządzenia brzegowe dodatkowo rozumieją dźwięk. Rodzina wspiera ponad 140 języków, przy czym firma zaznacza, że chodzi nie tylko o tłumaczenie, ale też o rozumienie kontekstu kulturowego danego języka.

Praca na urządzeniu bez chmury

Kluczowym elementem premiery jest wydajność na słabszym sprzęcie. Według danych opublikowanych przez Google w ramach silnika LiteRT-LM, model E2B potrafi przetworzyć 4000 tokenów wejściowych w dwóch różnych zadaniach w mniej niż 3 sekundy, zużywając przy tym poniżej 1,5 GB pamięci na niektórych urządzeniach.

Na Raspberry Pi 5 pracującym wyłącznie na procesorze Google odnotowało 133 tokeny na sekundę w fazie przetwarzania wejścia i 7,6 tokena na sekundę w fazie generowania odpowiedzi. Na układzie NPU Qualcomm Dragonwing IQ8 wyniki są znacznie wyższe, 3700 tokenów na sekundę w prefill i 31 tokenów na sekundę w dekodowaniu, co pokazuje, jak mocno wydajność zależy od dedykowanego sprzętu neuronowego.

Gdzie znaleźć modele

Modele Gemma 4 trafiły na Hugging Face, Kaggle, do Ollama, LM Studio oraz w postaci obrazów Docker, a na Androidzie dostępne są w publicznej wersji testowej AICore oraz w aplikacji Google AI Edge Gallery na iOS i Androida. Dokumentacja techniczna i karty modeli zostały opublikowane wraz z premierą.

Dla programistów oznacza to możliwość uruchamiania w pełni lokalnych agentów AI, generowania kodu offline i budowania aplikacji multimodalnych bez wysyłania danych do chmury, co może mieć znaczenie zwłaszcza dla firm z sektorów wrażliwych na prywatność danych, takich jak finanse czy ochrona zdrowia.

Zmiana licencji z autorskiej na Apache 2.0 usuwa część niepewności prawnej, która towarzyszyła wcześniejszym wdrożeniom Gemma w produktach komercyjnych. Wcześniejsze warunki wymagały akceptacji dodatkowej umowy licencyjnej Google i zawierały ograniczenia dotyczące niektórych zastosowań, podczas gdy Apache 2.0 jest standardem powszechnie akceptowanym w branży open source.

Skala popularności rodziny Gemma, ponad 400 milionów pobrań i ponad 100 tysięcy pochodnych wariantów tworzonych przez społeczność, czyni ją jedną z najszerzej wykorzystywanych rodzin otwartych modeli obok LLaMA Mety i chińskich modeli takich jak Qwen czy GLM. Premiera Gemma 4 wpisuje się w trwający wyścig między dostawcami dużych modeli zamkniętych a coraz mocniejszymi alternatywami open source, które można uruchomić bez opłat za dostęp do API.